anifrolumab治疗难治性系统性红斑狼疮皮肤表现快速起效的前瞻性研究（11例患者）
该数据集来自data.mendeley.com，包含一项关于anifrolumab治疗11例难治性系统性红斑狼疮皮肤表现的前瞻性研究的补充材料，共4个文件，包括补充图、补充方法和补充表
基本信息
资源简介
anifrolumab治疗难治性系统性红斑狼疮皮肤表现快速起效的前瞻性研究（11例患者）
Rapid Efficacy of anifrolumab in refractory cutaneous manifestations of systemic lupus erythematosus: a prospective study of 11 patients
该数据集来自data.mendeley.com，包含一项关于anifrolumab治疗11例难治性系统性红斑狼疮皮肤表现的前瞻性研究的补充材料，共4个文件，包括补充图、补充方法和补充表。数据涉及CLASI-50应答和完全应答的Kaplan-Meier曲线，以及11例患者治疗前及第4周、第16周的CLASI损伤评分和SELENA-SLEDAI评分。可用于分析anifrolumab的起效时间、皮肤病变改善情况及相关评分变化（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2023-02-28。
【数据内容】
源站描述（机器翻译，仅供参考）：补充图1图例：达到CLASI-50（左图）或完全缓解（右图）概率的Kaplan-Meier曲线。达到CLASI-A 50的中位时间为1个月（95% CI 1-3）。达到完全缓解的中位时间为6个月（95% CI 1-∞）。补充图2图例：11例患者在anifrolumab治疗前及第4周和第16周的CLASI损伤和SELENA-SLEDAI评分。黑色实心圆点代表个体。红色条表示中位值。P值使用Mann-Whitney U检验计算。p<0.05被认为显著。NS，不显著；W，周。
【数据结构与技术规格】
文件数 4 个，合计 1.79 MB。数据集 DOI：10.17632/3kn94vpcr4.1。
【主题与分类】
主题标签：皮肤狼疮、系统性红斑狼疮、anifrolumab、CLASI、SELENA-SLEDAI、Kaplan-Meier曲线、前瞻性研究。本站分类：皮肤与结缔组织疾病/皮肤狼疮。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/3kn94vpcr4
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://data.mendeley.com/datasets/3kn94vpcr4
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 1.8 MB。
数据说明
lea jaume (2023). Rapid Efficacy of anifrolumab in refractory cutaneous manifestations of systemic lupus erythematosus: a prospective study of 11 patients [Dataset]. http://doi.org/10.17632/3kn94vpcr4.1
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
